U.S. Court Greenlights Binance’s $2.7B Settlement With CFTCCrypto Daily

cryptodailyDipublikasikan tanggal 2023-12-12Terakhir diperbarui pada 2023-12-19

Abstrak

Among the stipulations imposed on Binance, the court order dictates that the exchange will no longer permit existing sub-accounts, including those opened by prime brokers, to bypass the platform’s compliance controls. Additionally, the ruling requires the company to offboard every account failing to meet proper KYC compliance requirements. 

Table of Contents

As per the terms of the settlement, former Binance CEO Changpeng “CZ” Zhao will be shelling out $150 million, while Binance will pay $2.7 billion to end the CFTC enforcement action.
Settlement Breakdown
In a significant development, the U.S. District Court for the North District of Illinois has officially approved the settlement between the Commodity Futures Trading Commission (CFTC) and cryptocurrency exchange Binance and former CEO Changpeng Zhao. 
The CFTC disclosed in a press release on December 18 that the court issued a consent order encompassing a permanent injunction, civil monetary penalty, and equitable relief against Binance and Zhao.
According to the court's ruling, Zhao is obligated to pay a hefty $150 million civil monetary penalty to the CFTC. Simultaneously, Binance is mandated to make two payments, each of $1.35 billion, to serve as a refund and penalty to the CFTC. This settlement comes in response to the court's determination that Zhao and Binance flagrantly violated the Commodity Exchange Act (CEA) and CFTC regulations.
Court Findings 
The court's findings highlight that Binance, under Zhao's direction, actively solicited customers in the United States, including quantitative trading firms. Notably, these customers engaged in digital asset derivative transactions directly on the Binance platform. 
Furthermore, the court revealed that Binance, in defiance of its own Terms of Use, permitted at least two prime brokers to establish "sub-accounts" exempt from Binance's know your customer (KYC) procedures. This enabled U.S. customers to directly trade on the platform, a clear violation of regulatory standards.
Resolutions and Acknowledgment
In a blog post dated November 21, the Binance team announced that it had been able to reach resolutions with various regulatory entities, including the CFTC, Department of Justice, Office of Foreign Assets Control, and Financial Crimes Enforcement Network. 
The post also disclosed that Zhao, Binance's founder and CEO, agreed to step down and plead guilty to violating criminal anti-money laundering requirements. The team, in a candid admission of fault, stated, 
"Binance grew at an extremely fast pace globally, in a new and evolving industry that was in the early stages of regulation, and Binance made misguided decisions along the way. Today, Binance takes responsibility for this past chapter."

Compliance Measures
Among the stipulations imposed on Binance, the court order dictates that the exchange will no longer permit existing sub-accounts, including those opened by prime brokers, to bypass the platform’s compliance controls. Additionally, the ruling requires the company to offboard every account failing to meet proper KYC compliance requirements. 
Furthermore, Binance and Zhao are obligated to certify the implementation of a corporate governance structure, including a Board of Directors with independent members, a Compliance Committee, and an Audit Committee.

Bacaan Terkait

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto4j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto4j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit5j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit5j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

Sejak bergabung dengan Anthropic, aktivitas Andrej Karpathy di komunitas terbuka berkurang drastis. Baru-baru ini, sebuah dokumen bernama CLAUDE.md yang diklaim sebagai panduan penggunaan Claude milik Karpathy beredar di komunitas. Isinya berisi sejumlah prinsip ketat untuk memandu AI dalam menulis kode, yang bertujuan mengurangi kesalahan umum model bahasa besar (LLM). Prinsip-prinsip utama mencakup: 1) **Baca dahulu sebelum menulis** – pahami struktur dan gaya kode proyek yang ada. 2) **Berpikir sebelum menulis kode** – klarifikasi asumsi, pertimbangkan trade-off, dan uraikan rencana. 3) **Tetap sederhana** – hindari desain berlebihan, abstraksi prematur, dan fleksibilitas yang tidak diperlukan. 4) **Modifikasi terarah** – lakukan perubahan minimal yang sesuai dengan gaya kode asli, jangan melakukan reformatting atau pembersihan yang tidak relevan. 5) **Verifikasi dan uji** – pastikan kode berfungsi seperti yang diharapkan dengan pengujian yang tepat. 6) **Debug secara sistematis** – jangan menebak, selidiki akar masalahnya. 7) **Hati-hati dengan dependensi** – hindari menambah dependensi yang tidak perlu. 8) **Komunikasi yang jelas** – jelaskan apa yang dilakukan dan alasannya. Dokumen ini juga menyoroti pola kegagalan umum seperti abstraksi yang salah, "optimistic path", dan "halusinasi pengetahuan". Meskipun keaslian dokumen ini diragukan, isinya sangat selaras dengan pemikiran Karpathy yang telah banyak mengkritik kelemahan LLM dalam pemrograman. Prinsip-prinsip ini, yang juga telah dijadikan template populer di GitHub, dianggap dapat meningkatkan efektivitas dan mengurangi kesalahan saat menggunakan asisten AI seperti Claude untuk pengembangan perangkat lunak.

marsbit6j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

marsbit6j yang lalu

Trading

Spot
活动图片